生成式 AI 自主设计新药：研发周期从数年缩至数月

把一堆结构看起来非常古怪的分子交给顶级药物科学家，原本管理层都准备好听他们挨个挑刺了。

但礼来（Eli Lilly）的科学家看完却愣住了，他们的第一反应是：「挺有意思的，我们以前从没想过分子还能这么设计。」

这是礼来首席信息与数字官 Diogo Rau 在内部做的一场测试。他们用生成式 AI 筛选数百万个分子，AI 花五分钟生成出的候选分子数量，相当于传统湿实验实验室整整一年的合成量。

把「幻觉」变成造药的超能力

传统新药研发说白了像一门古老手艺：做实验、看数据、人工分析、再改方案。一套流程下来，失败率高达 90%，单次临床试验成本就在 3000 万到 3 亿美元之间。

Nvidia 医疗副总裁 Kimberly Powell 认为，这个领域正在被类似 ChatGPT 的逻辑重写。AlphaFold 证明了 Transformer 架构可以从氨基酸序列直接预测蛋白质结构，现在行业正直接在计算机里用数字模型模拟生物化学反应。

大模型最让人头疼的「幻觉」，在药学研究里反而成了最大卖点。自然界进化出的蛋白质非常有限，只要能用，自然界就不会继续演化；但理论上潜在有治疗效果的蛋白质多达 10 的 160 次方个。AI 可以凭空「脑补」出自然界根本没有、但人类刚好需要的蛋白质结构。

根据 Powell 提到的安进（Amgen）发表在《自然》上的研究，AI 能把原本耗时数年的发现流程缩短到几个月。传统开发两年后成功几率大概只有五五开，但在早期引入 AI 辅助后，成功率提高到了 90%。

从实验室试错到算力工程

高校和科技巨头也在把这套流程变成标准基础设施。德克萨斯大学奥斯汀分校最近直接采购了超大规格的 Nvidia 计算集群，专门成立生成式 AI 中心。

该校正在做的一项乳腺癌蛋白药物动物实验里，科学家需要改造人体内一种能饿死癌细胞的蛋白质。传统改造既费时又容易让蛋白质失活，但通过 AI 筛选最优突变方案，这种工程蛋白的产率直接翻了大约 7 倍。因为用的是人体自身蛋白质底本，患者后续发生严重过敏的风险也被大幅降低。

与此同时，Nvidia 已经把蛋白质预测和药物化合物筛选打包成了医疗微服务，像工业设计软件公司 Cadence 这类厂商，也开始把这些 AI 工具直接整合进分子设计平台里。

为什么重要

这可能标志着制药行业彻底从「经验科学」向「可计算工程」转向。过去新药研发的高门槛，本质上是被极高的试错成本和漫长的人工周期卡死的。如果 AI 能把早期筛选周期从几年压到几个月，甚至把成功率翻倍，未来抗癌药、罕见病药物的研发成本会有望出现断崖式下跌。

对科技公司来说，算力巨头正在从单纯的卖卡方，演变成现代制药不可或缺的基础设施提供商。Nvidia 这一步做得很务实，它没有自己挽起袖子去造药，而是把生物计算做成微服务卖给药企和软件平台，占住了价值链最稳妥的一环。

但我们认为，现在说「完全由 AI 独立设计新药」可能还为时过早。AI 生成出的分子结构再惊艳、电脑模拟再完美，最后依然要面对活体实验、体内毒性、复杂免疫反应这些未知关卡。电脑里跑得通，绝不等于进入人体就能救命，真正的终局还是要看未来几年进入人体临床试验的硬成绩。